Desarrollo de plataforma de internet de las cosas para toma de decisiones en modelos de agricultura de precisión
El presente trabajo de investigación estudia algunas de las soluciones tecnológicas que sirven para la creación o implementación de sistemas de agricultura de precisión presentes en Colombia y otros países, en principio se consulta el estado de la agricultura de precisión en Colombia, haciendo una c...
- Autores:
- Tipo de recurso:
- Trabajo de grado de pregrado
- Fecha de publicación:
- 2017
- Institución:
- Universidad Distrital Francisco José de Caldas
- Repositorio:
- RIUD: repositorio U. Distrital
- Idioma:
- spa
- OAI Identifier:
- oai:repository.udistrital.edu.co:11349/8328
- Acceso en línea:
- http://hdl.handle.net/11349/8328
- Palabra clave:
- Agricultura de precisión
Internet de las cosas
Raspberry Pi
Módulos celulares Quectel
Comunicación XBEE
Microsoft Azure
Ingeniería Telemática - Tesis y disertaciones académicas
Internet de las cosas
Tecnología agrícola
Energía solar
Precision agriculture
Internet of things
Raspberry Pi
Quectel cellular modules
XBEE communication
Microsoft Azure
- Rights
- License
- Atribución-NoComercial-SinDerivadas 4.0 Internacional
Summary: | El presente trabajo de investigación estudia algunas de las soluciones tecnológicas que sirven para la creación o implementación de sistemas de agricultura de precisión presentes en Colombia y otros países, en principio se consulta el estado de la agricultura de precisión en Colombia, haciendo una comparación detallada con otros países de Suramérica, seguidamente se propone una solución tecnológica enfocada en la creación de un modelo propio de agricultura de precisión, basado en la extracción y recolección de datos ambientales, provenientes de los sensores remotos ubicados dentro de la red (punto-multipunto). Donde la seguridad de los datos es primordial para brindar disponibilidad e integridad, por lo que utilizamos técnicas de encriptación y plataformas donde los datos son plenamente resguardados; la información recolectada, viaja por medio de protocolos de red inalámbrica según sea el lugar y las necesidades que se den en el campo, por lo que se cuenta con soporte para tecnologías de comunicación como (ISM, XBEE, RFM69, WIFI, 2G, 3G y 4G), una vez consolidados e integrados los datos, se obtiene un soporte histórico de variaciones climáticas por medio del portal de Microsoft Azure, donde se analizan y se estudian los datos con la herramienta Azure Machine Learning Studio y PoweBI, para así dar como resultado un estimado de probabilidad de lluvia. |
---|